Python中正则表达式（re模块）的使用，python正则表达式,Python中正则表

Python中正则表达式（re模块）的使用，python正则表达式,Python中正则表

Python中正则表达式（re模块）的使用

1、正则表达式的概述

（1）概述：正则表达式是一些由字符和特殊符号组成的字符串，他们描述了模式的重复或者表示多个字符，正则表达式能按照某种模式匹配一系列有相似特征的字符串。正则表达式是一种小型的、高度的专业化的编程语言，

（2）Python语言中的正则表达式内嵌在Python中通过re模块实现，正则表达式被编译成一系列的字节码，然后由C编写的匹配引擎执行

2、字符匹配

（1）符号匹配

（2）特殊字符的匹配

3、python正则表达式的使用（即re模块的使用）

（1）compile()函数

1）re.compile(strPattern[,flag])方法概述：

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。第二个参数flag是匹配模式取值可以使用按位或运算符，‘|’表示同时生效，比如re.I|re.M

2）作用：可以把经常使用的正则表达式编译成正则表达式对象，这样可以提高一定的效率。如：

importretext="Jgoodisahandsomeboy,heiscool,clever,andsoon..."regex=re.compile(r‘\w*oo\w*‘)#将正则表达式编译成对象print(regex.findall(text))

（2）通过match（）方法匹配字符串

1）作用：从起始位置(开头)开始匹配，匹配成功返回一个对象，未匹配成功返回None

2）语法：match(pattern, string, flags=0)

pattern： 正则模型

string： 要匹配的字符串

falgs ： 匹配模式

3）matchobect对象的方法

group()：返回被RE匹配的的字符串

start()：返回匹配开始的位置

end()：返回匹配结束的位置

span()：返回一个元组包含匹配（开始，结束）的位置

group()：返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串

group(n,m) ：返回组号为n,m所匹配的字符串，如果组号不存在，则返回组号匹配的字符串

groups()：返回一个包括正则表达式中所有小组字符串的元组，从1到所含的小组号，通常 groups()不需要参数，返回一个元组，元组中元素是正则表达式中定义的组

importreorigin="hasdfuojqwlm098"#r=re.match("h\w+",origin)#r=re.match("h(\w+)",origin)#在匹配到的数据中再通过\w+去匹配r=re.match("h(?P<name>\w+)",origin)#给分组名名print(r.group())#获取匹配到的所有结果print(r.groups())#获取模型中匹配到的分组结果print(r.groupdict())#获取模型中匹配到的分组结果

（3）使用search（）在一个字符串中查找匹配

1）作用：search（）会用它的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配，就会返回一个匹配对象；否则，返回None.

2)用法：同match()

importrem=re.match(‘foo‘,‘seafood‘)ifmisnotNone:print(m.group())#使用match匹配不到，所以没有打印m=re.search(‘foo‘,‘seafood‘)ifmisnotNone:print(m.group())#使用search匹配到了fooorigin="hasdayihahahaldfuojdayi098"r=re.search("d(\w+).*(?P<name>\d)$",origin)print(r.group())#获取匹配到的所有结果print(r.groups())#获取模型中匹配到的分组结果print(r.groupdict())#获取模型中匹配到的分组中所有执行了key的组

（4）重复、特殊字符及分组匹配

正则表达式中最常见的情况包括特殊字符的使用，正则表达式模式的重复出现，以及使用圆括号对匹配模式的各部分进行分组和提取操作。

importre#一个分组多次匹配#patt=‘\[email protected](\w+\.)?\w+\.com‘#创建一个匹配规则，要求括号中的内容出现0次或一次#print(re.match(patt,‘[email protected]ismail‘).group())patt=‘\[email protected](\w+\.)*\w+\.com‘#创建一个匹配规则，匹配括号中的内容出现0次或多次print(re.match(patt,‘[email protected]ismail‘).group())#多个分组分别匹配m=re.match(‘(\w\w\w)-(\d\d\d)‘,‘abc-123‘)print(m.group(1))#打印分组以中的内容print(m.group(2))#打印分组2中的内容print(m.group())#打印分组中的所有内容#分组嵌套匹配n=re.match(‘(a(b))‘,‘abcdefgh‘)print(n.group(1))#打印匹配到的分组1,即‘(a(b))‘print(n.group(2))#打印匹配到的分组2即‘（b）‘print(n.groups())#打印匹配到的所有分组，即‘(ab)‘,‘(b)‘

（5）匹配字符串的起始结尾及单词边界

importre#开头匹配print(re.search(‘^dayi123‘,‘dayi123isnb‘).group())#print(re.search(‘^dayi‘,‘herisdayi‘).group())#边界匹配print(re.search(r‘\bhello‘,‘helloworld‘).group())#print(re.search(r‘\Bhello‘,‘worldhellower‘).group())#有边界匹配时会报错print(re.search(r‘\Bhello‘,‘worldhellower‘).group())

（6）使用findall和finditer()查找每一次出现的位置

findall()查询字符串中某个正则表达式模式全部的非重复出现的情况，findall返回的是一个列表，如果没有匹配到则返回一个空列表，如果匹配成功，列表包含所有成功的匹配部分（从左向有按顺序排列）

importreorigin="hashahahaldfuojqwlm098"print(re.findall("h\w+",origin))#找到字符串中所有的匹配到的内容print(re.findall("h(\w+)",origin))#打印匹配到的列表r=re.findall("h(\w+)a(bc)c",origin)#因为匹配不到所有打印一个空列表print(r)

finditer()函数与findall函数类似，但finditer（）返回的是一个可迭代的对象。

importres=‘Thisandthat‘print(re.findall(r‘(Th\w+)and(th\w+)‘,s,re.I))print(re.finditer(r‘(Th\w+)and(th\w+)‘,s,re.I).__next__().groups())#调用返回值print(re.finditer(r‘(Th\w+)and(th\w+)‘,s,re.I).__next__().group(1))it=re.finditer(r‘(Th\w+)‘,s,re.I)#生成一个生成器对象g=it.__next__()#调用print(g.groups())#打印出This,以元组的形式print(g.group(1))g=it.__next__()#再次调用print(g.groups())#打印出that#将匹配到的内容生产一个列表，列表中包含两个元组print([g.groups(1)forginre.finditer(r‘(Th\w+)‘,s,re.I)])

（7）使用sub()和subn()搜索替换

sub()只替换搜索到的内容，subn()不但替换搜索到的内容，并返回替换的次数。

importreprint(re.sub("g.t","have",‘IgetA,IgotB,IgutC‘))#对匹配到的单词替换print(re.subn("g.t","have",‘IgetA,IgotB,IgutC‘))#对匹配到的单词替换，并返回替换次数print(re.sub(‘[bd]‘,‘Y‘,‘abcdef‘))print(re.subn(‘[bd]‘,‘Y‘,‘abcdef‘))#对字符串替换，并打印替换的字符串的的次数

分组和替换的综合应用（替换日期的表示方法）：

importreimporttime,datetimeday1=str(datetime.date.today())print(day1)#将月/日/年的时间格式转化成“日/月/年”，将r加在左引号之前，主要目的是为了避免转义特殊字符串字符print(re.sub(r‘(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})‘,r‘\2/\1/\3‘,‘05/06/2017‘))print(re.sub(r"(\d{2}|\d{4})-(\d{1,2})-(\d{1,2})",r"\3/\2/\1",day1))

（8）使用split分割字符串

importreprint(re.split(‘\d+‘,‘one1two2three3,for4‘))#以匹配到的数字对字符串以“,”进行分割

4、正则表达式的应用

（1）对Linux系统who命令输出内容进行处理

将Linux系统who命令输出结果保存到whodata.txt中：

[[email protected] ~]# cat whodata.txt

liu2:0 2017-04-17 22:10 (:0)

liu2pts/0 2017-04-17 22:11 (:0)

rootpts/1 2017-05-05 03:51(172.16.252.112)

rootpts/2 2017-05-05 03:51(172.16.252.112)

rootpts/3 2017-05-05 03:52 (172.16.252.112)

对who命令输出的内容进行处理：

importref=open(‘whodata.txt‘,‘r‘)forlineinf:#对匹配到的行的内容以逗号分隔，将每一行的内容分别存到一个列表中print(re.split(r‘\s\s+‘,line.rstrip()))f.close()

使用findall()函数处理win下tasklist命令：

importosimportref=os.popen(‘tasklist/nh‘,‘r‘)forlineinf:print(re.findall(r‘([\w.]+(?:[\w]+)*)\s\s+(\d+)\w+\s\s+\d+\s\s+([\d,]+K)‘,line.rstrip()))#读取每一行中自己需要的数据f.close()

（2）生成用于正则表达式练习的数据

#!/usr/bin/envpythonfromrandomimportrandrange,choicefromstringimportascii_lettersaslcfromsysimportmaxsizefromtimeimportctimetlds=(‘com‘,‘deu‘,‘net‘,‘org‘,‘gov‘)foriinrange(randrange(5,11)):dtint=randrange(maxsize)#生成一个随机数字组#在属组中取一个6到十位的随机数作为时间戳生成一个日期dtstr=ctime(int(str(dtint)[0:randrange(6,10)]))llen=randrange(4,8)#生成一个4-8的随机数字login=‘‘.join(choice(lc)forjinrange(llen))#生成邮箱@符号前的字符dlen=randrange(llen,13)dom=‘‘.join(choice(lc)forjinrange(dlen))#生成@后的字符，长度有dlen来决定#choice(tlds)为在tlds总随机选择一个域名后缀print(‘%s::%[email protected]%s.%s::%d-%d-%d‘%(dtstr,login,dom,choice(tlds),dtint,llen,dlen))

将上面生成的数据保存到一个文件中用于后面练习：

#!/usr/bin/envpythonimportrewithopen(‘gendata.txt‘,‘r‘)asf:forlineinf:patt=‘.+(\d+-\d+-\d+)‘#为贪婪匹配，匹配前面为任意字符，后面组中为如“5-7-10”的数据print(re.match(patt,line).group(1))‘‘‘"?"要求正则表达式引擎匹配尽可能少的字符，在"+","*","？"后使用可达到预期效果‘‘‘patt1=‘.+?(\d+-\d+-\d+)‘#通过"?",匹配到了符合分组中的所有字符串print(re.match(patt1,line).group(1))

本文出自 “dayi123” 博客，请务必保留此出处http://dayi123.blog.51cto.com/12064061/1922559

Python中正则表达式（re模块）的使用